Österreichische Post verbessert Paketprognosen mit KI

WIEN / MÜNCHEN (IT BOLTWISE) – Die Österreichische Post hat in Zusammenarbeit mit dem Austrian Center for Digital Production (CDP) ein Projekt zur Optimierung ihrer Paketprognosen erfolgreich abgeschlossen. Ziel war es, durch den Einsatz von Künstlicher Intelligenz präzisere Vorhersagen über das Paketvolumen zu erstellen und so die Effizienz der Abläufe zu steigern.

Die Österreichische Post hat in Kooperation mit dem Austrian Center for Digital Production (CDP) ein innovatives Projekt zur Verbesserung der Paketprognosen abgeschlossen. Durch den Einsatz von Künstlicher Intelligenz und maschinellem Lernen sollen die Vorhersagen über das Paketvolumen präziser werden, um die Effizienz der Abläufe zu steigern und Kosten zu senken. Sascha Gent, Geschäftsführer des CDP, betont die enge Zusammenarbeit, die zu dieser Optimierung geführt hat.

Im Fokus der Analyse standen verschiedene Machine-Learning-Modelle, die langfristige Prognosen für das schwankende und wachsende Paketaufkommen verbessern sollten. Besonders herausfordernd waren saisonale Schwankungen und unregelmäßige Datenmuster, die durch einen angepassten und innovativen Ansatz erfolgreich bewältigt wurden, wie Gerta Kapllani, Projektkoordinatorin und Research Engineer am CDP, erklärt.

Zur Modellierung setzte das CDP verschiedene Zeitreihenmodelle ein, darunter Facebook Prophet, Sarimax und RNN-LSTM. Diese Modelle wurden hinsichtlich ihrer Präzision und Verlässlichkeit über einen längeren Prognosezeitraum getestet. Der Entwicklungsprozess folgte dem CRISP-DM-Framework, einem Standardprozess für Data Mining, der von der Problemdefinition über die Datenaufbereitung bis zur Implementierung reicht.

Das beste Ergebnis erzielte ein maßgeschneidertes Prophet-Modell, das über einen Zeitraum von 365 Tagen hinweg die genauesten Vorhersagen lieferte. Besonders signifikant war die deutliche Reduktion des Vorhersagefehlers im Vergleich zu herkömmlichen Modellen und Baseline-Ansätzen. Intensives Feature-Engineering, Datentransformation und Parameter Tuning spielten zentrale Rollen bei der Verbesserung der Vorhersagegenauigkeit.

Zu den speziellen Anforderungen der Österreichischen Post zählten neben saisonalen Schwankungen auch verrauschte Daten sowie feiertagsbedingte Verschiebungen des Paketaufkommens. Die Lösung des CDP berücksichtigt diese Faktoren und ermöglicht eine präzisere Steuerung der Prozesse. Dietmar Winkler, Area Manager für Datenintegration und Analyse beim CDP, betont die Bedeutung der Projektergebnisse für die Auswahl geeigneter Algorithmen zur Verbesserung von Planungsprozessen basierend auf Machine Learning Konzepten.

Mit der Implementierung der neuen Prognosemodelle kann die Österreichische Post künftig Auslastungsspitzen und andere kritische Zeiten besser steuern und Ressourcen gezielter einsetzen. Sascha Gent resümiert stolz, dass das Projekt einen nachhaltigen und wertschaffenden Beitrag zur Digitalisierung und Effizienzsteigerung im Postwesen leistet.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!